![](/user_photo/_userpic.png)
книги из ГПНТБ / Голенко Д.И. Статистические модели в управлении производством
.pdfным событием, характеризуется временем tx или функ цией распределения f(tx). Среднее время испытаний до первого успеха, при котором свершение а-события озна чает окончание повторных циклов и переход к следую щим операциям, в случае, если tx и t2 детерминирован ные величины, определяется по следующей схеме:
для |
первого испытания |
M0{t} |
=ptx+ |
(1 — p)t2 |
> |
|
||||
для |
второго испытания |
Mx{t} = (1 — р) • [ptx+ |
(1 — |
p)t2], |
||||||
для (/г+1)-го испытания Mn{t) |
= (1 -p)n[ptx+ |
(1 |
—p)t2]. |
|||||||
Очевидно, суммарная |
длительность, |
отвечающая эк |
||||||||
вивалентной операции, будет |
|
|
|
|
|
|
||||
M{t}=ptx+(l-p)t2+(l~p)[ptx+(l-p)t2] |
|
|
|
|
+ .... |
|||||
|
|
.... + |
|
(l-p)n[ptl+(l-p)t2], |
|
|
||||
а в |
правой части |
геометрическая |
прогрессия |
сходится |
||||||
к — п р и |
п-*-оо. Математическое |
ожидание |
продолжи |
|||||||
тельности независимых испытаний запишется в виде |
||||||||||
|
|
M{t}=U |
= h+-j~U, |
|
q=l-p |
• |
(5.3.17) |
|||
Аналогично могут быть получены формулы для дис |
||||||||||
персии |
и среднего |
квадратического |
отклонения: |
|
||||||
|
|
Dt=-t\ |
, а = У < Г — |
• |
(5.3.18) |
|||||
|
|
|
Рг |
1 |
|
|
Р |
|
|
|
Чтобы осуществлять анализ и расчет стохастических сетей, содержащих контуры и петли типа приведенных на рис. 5.3.1,а в качестве своих элементов, достаточно воспользоваться полученными формулами. Для исследо вания расширенной стохастической модели указанного типа перспективным является также использование ме тода производящих функций моментов, позволяющего охарактеризовать информационные аспекты модели и получить обнадеживающие результаты в смысле трак товки стохастических сетей как сложных систем с об ратной связью.
Производящую функцию моментов определим сле дующим образом:
£ t ( s ) = M { e s < } = l(**f(t)dt; |
§f(t)dt=l, |
(5.3.19) |
t |
t |
|
где f(t)—функция |
плотности вероятностей, |
характери |
|
зующая продолжительность соответствующей |
операции; |
||
s — действительная |
или комплексная |
переменная. |
|
Введем (p(s)—функцию, связывающую вероятность |
|||
реализации операции со временем ее |
выполнения |
||
|
y{s)=p-Et(s). |
|
(5.3.20) |
Тогда на основе свойств производящих функций момен
тов для последовательного и параллельного |
выполнения |
|||
операций с соответствующими (jpi(s), фг(5) |
функциями |
|||
имеем: |
|
|
|
|
<p(s) |
=(pi(s)-(p2{s) |
—для |
последовательного |
соединения, |
(f(s) |
=фі(s) + ф г ( 5 ) — д л я |
параллельного соединения. |
При этом дуги, определяемые ф(в)-функциями, образу ют линейные сети, что позволяет применить к ним урав нение топологии для замкнутой линейной сети, которое согласно [5.21—5.23] имеет вид
H(s) = 1+ 2 2 ( - l ) m L j ( m , s) = 0 для всех s, (5.3.21)
тг
где Li(m,s) —t'-й контур порядка т. В контуре первого порядка каждая вершина может быть достигнута из любой другой вершины. Контур п-го порядка есть мно жество непересекающихся контуров первого порядка. Непересекающиеся контуры не имеют общих вершин
Li{m, s) = П І ь ( 1 , s), £ = l, . -- ,m, |
(5.3.22) |
к
где Li(m,s) есть ф-функция f-го контура, полученная исходя из последовательного соединения составляющих его дуг, для которого в соответствии со свойствами про изводящих функций имеет место соотношение:
Lt(l;s) |
= Ut<t}(s) |
• |
(5.3.23) |
Из теории потоков в сетях известно, что для того чтобы воспользоваться уравнением топологии (5.3.21), необходимо замкнуть сеть обратной связью, соединив конечную вершину с начальной. При этом стохастиче ская сеть может быть произвольной сложности. Соглас но определению эквивалентная сеть, состоящая из одной дуги (ссвых, схвх), характеризуется <pa{s), а моделируемая система, представленная таким образом, имеет ф-функ-
231
цию, равную произведению cpaCsbqKs), так как налицо контур, состоящий всего из двух дуг. Поэтому получаем:
|
tf(s)=l-<pa(s)-(p(s)=0, |
|
откуда |
<Pe(s) = |
(5.3.24) |
|
<p(s) |
Формула (5.3.24) отражает общий результат, смысл которого заключается во введении некоторой обобщен ной характеристики стохастической сетевой модели рас сматриваемого класса, представляющей аналог переда точной функции в системах автоматического регулиро вания.
Разработка |
сложной |
|
системы, |
представленная |
|
В биде |
стохастической |
|
|
сети |
|
|
ffs) |
|
|
Vfs) |
|
ft |
97 |
- о , |
|
fs |
|
Рис. 5.3.2. Использование <p (s)-функций.
Для иллюстрации изложенного метода рассмотрим пример для сети, изображенной на рис. 5.3.2. Сеть пред ставлена четырьмя контурами первого порядка, для ко
торых: L i ( l ) = < р г ф 2 ; |
£ 2 ( 1 ) = ф 8 - ф 4 ; ^з(1) = ф 5 - ф е ; |
Ь 4 (1) = |
= ф і ' Ф з - ф 5 - ф 7 - ф , и |
одним контуром второго |
порядка |
Li(2) = ф Г ф 2 - ф 5 * ф б . |
|
|
На |
основе уравнения |
топологии (5.3.21) |
имеем: |
# = 1 — |
ф Г ' ф г — ф З - ' ф 4 — ф 5 - ф б — Ф 7 ' ф 1 - ф 3 - ф 5 - ф + ф 1 - ф 2 - ф 5 ' |
||
• ф 6 = 0. |
С учетом формулы |
(5.3.24) получаем |
оконча |
тельное выражение в виде
ф!фзф5ф7
фе(«)
1—фіф2—фзф4 —ф5фв + фіфгф5фв
Равносильный эффект дает применение формулы Месона [5.21]:
|
|
|
2p 3 (s) [ 1 + 2 |
( - l ) ^ ( m , s ) ] |
|
|
||
|
Фэ (s) = |
|
^ |
|
, |
|
(5.3.25) |
|
|
v |
; |
|
|
H(s) |
|
v |
' |
в_ которой |
Pj(s) |
является |
ф(Х)-функцией |
/-го |
пути; |
|||
L (т, |
s) — результирующей |
ф-функцией |
контуров т-то |
|||||
порядка, не касающихся |
/-го пути, a |
H(s)—уравнени |
||||||
ем ТОПОЛОГИИ ПрИ |
ф ( 5 ) = 0 . |
|
|
|
|
|||
Из |
(5.3.20) вытекает, |
что /?э =фэ(0), |
а |
поскольку |
фэ (0) = 1, из (5.3.24) получаем:
Вкачестве производящих функций моментов удобно использовать экспоненциальные функции (например, характеристические) и соответствующие им семиинвари анты, на основе которых могут быть получены необхо димые числовые характеристики распределения вероят ностей для отдельных фрагментов и стохастической се ти в целом. Семиинварианты находятся по известной формуле
за<я
&э = - j — I n £ a ( s ) при s = 0.
С точки зрения практического использования пред ложенной математической схемы возникает вопрос о получении в качестве исходных данных для расчета и анализа только что рассмотренной модели вероятностей возможных исходов. В качестве оценок последних на этапах проведения испытаний и ввода в строй сложных комплексов могут быть приняты коэффициенты готов ности, выведенные в работе [5.46].
Определение вероятностей переходов в стохастиче ских сетевых моделях. Допустим, что при построении Стохастической сетевой модели программы создания
сложного комплекса мы не можем |
обеспечить |
выпол |
|||||||
нение процедур экспертного |
опроса, а |
следовательно, |
|||||||
достаточно |
обоснованное |
задание |
вероятностей |
реали |
|||||
зации различных частичных вариантов. В связи |
с этим |
||||||||
представляется |
полезным |
рассмотреть |
вопрос |
о |
том, |
||||
насколько |
возможны в рамках |
указанных стохастиче |
|||||||
ских моделей |
исключение |
или |
оценка |
степени |
неопре |
||||
деленности |
за |
счет введения |
разумных |
предположений |
|||||
и основанной |
на этих предположениях |
априорной |
ин |
формации. Очевидно, такого рода предпосылки не дол жны расходиться с общей тенденцией теории статисти ческих решений и должны подчиняться алгебре теории вероятностей. В теории вероятностей, теории игр и ста тистических решений и их приложениях [5.25—5.27] су ществует множество прикладных задач, которые укла дываются в рассматриваемую математическую схему альтернативных сетей, характеризующих процедуры последовательного выбора из множества альтернатив в ходе развития различных процессов действительности. Характерно, что для всех рассматриваемого типа про цессов стохастические сети служат моделями проблема тичных ситуаций, в которых обязательным повторяю щимся элементом в длинной цепи событий является выбор из множества исходов или альтернатив. В свою очередь, неотъемлемыми элементами процесса выбора и связанного с ним принятия решений являются поня тия состояния природы и неопределенности, которые с позиций теории решений трактуются следующим обра зом [5.27, 5.28].
Существует так называемая статистическая неопре деленность, которая происходит от элемента случайно сти в действительном мире. Этот тип неопределенности наиболее простой, так как определяется статистически ми закономерностями случайных событий, проявляющи мися в рассматриваемом частном случае. Разумные предположения относительно неизвестных закономерно стей и их использование могут существенно снизить степень статистической неопределенности. Именно тако го рода неопределенность сопутствует многим ситуаци ям принятия решений, описываемым с помощью стоха стических сетевых моделей.
Второй этап неопределенности возникает в том слу чае, когда имеется конечное число объективных уело-
вий, но невозможно получить вероятности каждого из них, другими словами, неизвестно, какой из законов слу чайных событий действует в данном конкретном случае. И тот и другой тип неопределенности часто классифи цируют с точки зрения анализа систем [5.29]. Тогда раз личают неопределенность факторов, связанных с плани рованием и управлением сложными вероятностными объектами. Неопределенностям такого вида, как прави ло, сопутствуют ожидаемые потери, средняя ошибка и
другие данные, присущие |
анализу систем. |
С |
этих же |
|
позиций иногда |
вводится |
неопределенность |
в |
отноше |
нии противника и его реакций на некоторые |
альтерна |
|||
тивные действия |
объекта |
и, наконец, неопределенность |
в отношении вопросов стратегии. Как следует из пере числений, понятие неопределенности, трактуемое с пози ции системотехники и анализа систем [5.28, 5.29], соот ветствует математическому понятию неопределенности
втеории решений.
Впредлагаемых в настоящем параграфе математи ческих схемах понятие неопределенности нами интер претируется как неопределенность в области техники, которая доминирует в проблемах, связанных с созда нием новых объектов и решением сложных задач тех нической кибернетики.
Совокупность |
причин, управляющих ходом |
случай |
|||
ных |
событий, |
принято называть |
состоянием |
природы. |
|
По |
существу, |
все |
предшествующее представляет инте |
||
рес |
лишь постольку, поскольку |
позволяет перейти на |
|||
основе введенных |
понятий к формулированию |
критерия |
перехода системы из одного состояния в другое. Пред
полагается, |
что |
система |
описывается стохастической |
|||
сетью G(Y, U) и в части указанных переходов рассмат |
||||||
ривается лишь |
в отношении альтернативных |
событий |
||||
(а-вершин). |
Переход из |
одной |
а-вершины |
в другую |
||
характеризуется |
коэффициентом |
правдоподобия |
рц, |
имеющим очень большое сходство с вероятностью пере хода и исчисляемым в соответствии с алгеброй теории вероятностей [5.30,5.31].
Пусть принимающий решение начинает свое иссле дование с того, что определяет возможное число со стояний п, в которые может перейти система, и пытает ся получить информацию относительно времени перехо да в каждое из этих состояний или потерь, связанных с
аналогичным переходом (т. ё. относительно некоторой величины т) . При этом возможны следующие ситуации: 1) известны время и стоимость перехода (потери, свя занные с переходом); 2) не известно ни то, ни другое; 3) известны вероятностные характеристики времени перехода, или стоимости перехода, или того и другого.
Во всех трех случаях, независимо от имеющейся ин формации, возникает задача формулирования правил перехода, исходя из сложившейся на этот момент ситу
ации. В терминах стохастических сетей |
ситуация |
может |
||||||
быть представлена |
в общем |
случае |
сетевым |
фрагмен |
||||
том, |
включающим |
а-вершину і — источник |
ветвления |
|||||
вариантов — вместе |
с исходящими |
из |
нее дугами, на |
|||||
которых определены оценки |
рщ , Щ:, |
1 = 1 , п, |
а |
также |
||||
с а-вершинами |
}\, которые |
отражают |
возможные |
исхо |
||||
ды |
разрешения |
альтернативной ситуации І. |
|
|
Формулируем критерий перехода системы из одного состояния в другое следующим образом: коэффициенты правдоподобия возможных исходов обратно пропорцио
нальны значениям длин ветвей, к которым |
они |
припи |
||||
сываются [5.30]. Основной |
интерпретацией |
выбранного |
||||
критерия является аналогия решаемой задачи |
с |
зада |
||||
чей |
теории |
вероятностей на |
заключение пари. |
В |
дан |
|
ном |
случае |
роль платежной суммы играют |
длины |
вет |
вей дерева исходов, отождествляющие либо время пере
хода |
из одного состояния |
в другое, либо стоимость |
ана |
||
логичного перехода. |
На |
основании этого |
можем |
запи |
|
сать |
(см. также [5.24]): |
|
|
|
|
|
PHu = k |
~ • |
k = \,2,...,K |
(5.3.26) |
Имеем п уравнений вида (5.3.26), в которых коэф фициент рц должен удовлетворять алгебре вероятно стей, т. е.
2 P i h = l, |
(5.3.27) |
h=i
если исходы несовместны и составляют полную группу событий. •
Решая совместно уравнения (5.3.26) и (5.3.27), по лучаем общую формулу [5.30]:
Ра = — |
(5-3 -2 8 ) |
l=i
Нетрудно видеть, что сформулированный критерий хорошо согласуется с общими идеями оптимизации про цесса выбора наиболее предпочтительных переходов системы из состояния в состояние. Действительно, в ре альных системах более вероятен переход с меньшими потерями. Однако следует отметить, что получившиеся при этом коэффициенты правдоподобия носят ясно вы раженный априорный характер.
Следующим важным шагом развития математиче ской схемы принятия решений в местах разветвлений, очевидно, должен быть шаг, связанный с учетом слу чайного характера величин, от которых зависят введен ные коэффициенты правдоподобия. Другими словами, наибольший интерес представляют случаи, когда время или стоимость перехода либо неизвестны, либо пред ставляют собой случайные величины, подчиняющиеся заданным законам распределения вероятностей. Рас смотрим эти случаи с целью получения распределения вероятностей переходов.
Продолжая рассматривать стохастическую сеть как модель некоторой системы, описываемой с помощью особых состояний, отождествляемых а-вершинами, по ставим задачу определения законов распределения ве роятностей возможных исходов, если известны законы распределения случайной величины т. Эта случайная величина в соответствии с принятым соглашением влия ет на вероятность выбора очередного состояния, в кото рое может перейти система. С другой стороны, согласно введенному критерию (5.3.28), известна функциональ ная зависимость некоторой величины рц, названной коэффициентом правдоподобия, от тг > Таким образом, возникает задача определения законов распределения вероятностей возможных исходов для любой произволь но выбранной а-вершины дерева исходов, если известен закон распределения некоторых величин, от которых зависят вероятности названных исходов.
Предполагай, что коэффициенты правдоподобия яв ляются случайными переменными, определим распреде ления вероятностей возможных исходов для каждой д-вершины дерева исходов. При этом рассмотрим сле дующие варианты:
|
1) |
плотность |
распределения |
вероятностей |
величины |
||||
т |
(индексы ветви опущены) |
равна |
|
|
|
||||
|
|
|
і |
0 |
, если |
х^а |
или |
х>Ь, |
|
|
|
|
Ь 1 |
- , |
- л и |
а<Х<Ь; |
|
(5-3"29) |
|
|
2) |
плотность |
распределения |
вероятностей |
величины |
||||
т |
равна |
|
|
|
|
|
|
|
|
|
|
f(x)=k{x-a)a |
|
(Ь-Х)У |
, |
если as^xs^b, |
(5.3.30) |
f(x)=0 в остальных случаях.
Здесь а, а, у, b — параметры бета-распределения.
Параметры распределений в этих случаях считают ся известными. Для удобства рассмотрения и простоты
выкладок проведем решение |
поставленной |
задачи, как |
|||||
уже |
оговорено, |
в три этапа, |
в предположении, |
что каж |
|||
дая |
а-вершина |
имеет только два исхода |
(п = 2). |
Послед |
|||
нее |
ограничение |
связано со |
значительной |
аналитиче |
|||
ской |
сложностью |
получения |
результатов |
в |
общем слу |
чае. Однако, как будет показано ниже, полученные ре зультаты при необходимости могут быть распростране
ны и на случай, когда |
п>2. |
|
|
|
|
||
Рассматриваем первый |
случай. Имеем |
« = 2; соглас |
|||||
но (5.3.28), |
выражениями |
для |
р\ |
и р 2 |
будут (индексы |
||
«-вершин опущены): |
|
|
|
|
|
|
|
|
|
|
и |
Р 2 = ^ - |
• |
(5.3.31) |
|
Соотношения |
(5.3.31) |
можно |
переписать |
следующим |
|||
образом: |
|
|
|
|
|
|
|
т і = - — ~ Т2 |
или |
т 2 = |
f_p |
Ті |
(5.3.32) |
В соответствии с (5.3.29) имеем:
f(x2) |
= . 1 |
. если a i < X i ^ 6 i ; |
a2<x2s^b2 |
} |
(5.3.33) |
|||
|
U2—#2 |
|
|
|
|
j |
|
|
/ ( Л Г І ) |
=/(лг2 ) =0, если |
Xi^ait |
x2^a2, |
Xi>bu |
|
|||
|
|
|
|
|
|
x2>b2. |
j |
|
Предполагая |
величины |
п и т 2 |
|
независимыми, |
можем |
|||
записать: |
|
|
|
|
|
|
|
|
|
Пхи |
Ъ) |
• / ( * ) = |
i |
b 2 _ a 2 |
l ( b i _ a i X |
|
(5.3.34) |
Определение искомого закона распределения веро ятностей возможных исходов значительно упрощается, если воспользоваться геометрической интерпретацией.
Рис .5. 3. 3. Оценка рас
пределения вероятностей
возможных исходов.
О) |
8, |
1) |
Для этого изобразим, как это делается обычно, величи ны Х\, х2 как прямоугольные координаты на плоскости (рис. 5.3.3). Как следует из рис. 5.3.3, получаем не сколько областей, для которых справедливы следующие основные соотношения:
I- f(y)=0, F(y)=0, если P i ^ ^ 7 ' ^ ^ Т б Г |
( 5 - 3 - 3 5 > |
bl